MétaCan
Menu
Retour à la cohorte
Enregistrement W2973438844 · doi:10.1177/2327857919081032

Comparison of Gait Speed Estimation of Multiple Sensor-Based Technologies

2019· article· en· W2973438844 sur OpenAlex
Plinio Pelegrini Morita, Adson Silva Rocha, George Shaker, Doojin Lee, Jing Wei, B. Fong, Anjali Thatte, Amir-Hossein Karimi, Lin Xu, Avery Ma, Alex Wong, Jennifer Boger

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProceedings of the International Symposium on Human Factors and Ergonomics in Health Care · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensUniversity of TorontoUniversity of WaterlooResearch Institute for AgingUniversity Health Network
Organismes subventionnairesnon disponible
Mots-cléseHealthGaitPhysical medicine and rehabilitationComputer sciencePopulationPopulation ageingPsychological interventionQuality of life (healthcare)Independence (probability theory)Health careApplied psychologyMedicinePsychologyNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

In light of our aging population, there is an immediate need for non-obtrusive, continuous, and ubiquitous health monitoring technologies that will enable our population to age with a higher quality of life and independence. Research has demonstrated that gait indicators, such as walking speed, can reflect cognitive and physical functioning. However, gradual changes in such indicators usually go undetected until critical problems arise; being able to detect changes in indicators, such as gait deterioration, of older adults while in their home environments would enable clinicians to tailor more effective and personalized interventions by better understanding user behaviour in real-world settings. Real-world data is essential to enabling our healthcare system to act where patients most need help and to optimize the effect of designed eHealth solutions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,318
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle